应用时间序列分析习题答案
更新时间:2023-07-25 16:33:01 阅读量: 实用文档 文档下载
应用时间序列分析习题答案
第二章习题答案 2.1
(1)非平稳
(2)0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 (3)典型的具有单调趋势的时间序列样本自相关图
2.2
(1)非平稳,时序图如下
(2)-(3)样本自相关系数及自相关图如下:典型的同时具有周期和趋势序列的样本自相关图
应用时间序列分析习题答案
2.3
(1)自相关系数为:0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118
(2)平稳序列 (3)白噪声序列 2.4
LB=4.83,LB统计量对应的分位点为0.9634,P值为0.0363。显著性水平 =0.05,序列不能视为纯随机序列。 2.5
(1)时序图与样本自相关图如下
应用时间序列分析习题答案
(2) 非平稳 (3)非纯随机 2.6
(1)平稳,非纯随机序列(拟合模型参考:ARMA(1,2)) (2)差分序列平稳,非纯随机
第三章习题答案
3.1 解:E(xt) 0.7 E(xt 1) E( t)
(1 0.7)E(xt) 0 E(xt) 0 (1 0.7B)xt t
xt (1 0.7B) 1 t (1 0.7B 0.72B2 ) t Var(xt)
1
2 1.9608 2
1 0.49
2 12 0 0.49 22 0
3.2 解:对于AR(2)模型:
1 1 0 2 1 1 2 1 0.5
0.31120112 2
7/15解得: 1
2 1/15
3.3 解:根据该AR(2)模型的形式,易得:E(xt) 0
原模型可变为:xt 0.8xt 1 0.15xt 2 t
应用时间序列分析习题答案
Var(xt)
1 2
2
(1 2)(1 1 2)(1 1 2)
(1 0.15)
2=1.9823 2
(1 0.15)(1 0.8 0.15)(1 0.8 0.15)
1 1/(1 2) 0.6957 11 1 0.6957
2 1 1 2 0 0.4066 22 2 0.15 0.2209 33 01221 3
3.4 解:原模型可变形为:
2
(1 B cB)xt t
由其平稳域判别条件知:当| 2| 1, 2 1 1且 2 1 1时,模型平稳。 由此可知c应满足:|c| 1,c 1 1且c 1 1 即当-1<c<0时,该AR(2)模型平稳。
3.5证明:已知原模型可变形为:
(1 B cB cB)xt t
其特征方程为: 3 2 c c ( 1)( 2 c) 0 不论c取何值,都会有一特征根等于1,因此模型非平稳。
3.6 解:(1)错, 0
23
Var(xt) 2/(1 12)。
2
2
(2)错,E[(xt )(xt 1 )] 1 1 0 1 /(1 1)。
T(l) 1xT。 (3)错,x
(4)错,eT(l) T l G1 T l 1 G2 T l 2 Gl 1 T 1 T l (5)错,limVar[xT l
l
l
1 T l 1 12 T l 2 1l 1 T 1
1[1 12l]212
T(l)] limVar[eT(l)] lim x 。 2l l 1 21 11
1 4 12 1
1 1 3.7解: 1 2
2 11 1
MA(1)模型的表达式为:xt t t 1。
3.8解法1:由xt= + t 1 t 1 2 t 2,得xt 1= + t 1 1 t 2 2 t 3,则
应用时间序列分析习题答案
xt 0.5xt 1=0.5 + t ( 1 0.5) t 1 ( 2 0.5 1) t 2+0.5 2 t 3, 与xt=10+0.5xt 1+ t 0.8 t 2+C t 3对照系数得
0.5 10, 20, 0.5 0 0.5, 1 1
0.5 0.8,故 0.55,。
1 2 2
C 0.275 0.5 2 C
解法2:将xt 10 0.5xt 1 t 0.8 t 2 C t 3等价表达为
1 0.8B2 CB3
xt 20 t
1 0.5B 1 0.8B2 CB3 (1 0.5B 0.52B2 0.53B3 ) t
展开等号右边的多项式,整理为
1 0.5B 0.52B2 0.53B3
CB3
合并同类项,原模型等价表达为
0.54B4 0.5CB4
0.8B2 0.8 0.5B3 0.8 0.52B4
xt 20 [1 0.5B 0.55B 0.5k(0.53 0.4 C)B3 k] t
2
k 0
3
当0.5 0.4 C 0时,该模型为MA(2)模型,解出C 0.275。
3.9解::E(xt) 0
Var(xt) (1 1 1
2
2
2) 2 1.65 2
1 1 2 0.98 0.5939 1.651 12 22
20.4 0.2424 k 0,k 3。
1 12 221.65
2
3.10解法1:(1)xt t C( t 1 t 2 )
xt 1 t 1 C( t 2 t 3 )
x t 1 xt t C t 1 t 1 xt 1 t (C 1) t 1
C
应用时间序列分析习题答案
即 (1 B)xt [1 (C 1)B] t
显然模型的AR部分的特征根是1,模型非平稳。 (2) yt xt xt 1 t (C 1) t 1为MA(1)模型,平稳。 1
1C 1
22
1 1C 2C 2
k
解法2:(1)因为Var(xt) lim(1 kC2) 2 ,所以该序列为非平稳序列。
(2)yt xt xt 1 t (C 1) t 1,该序列均值、方差为常数,
22E(yt) 0,Var(yt) 1 (C 1)
自相关系数只与时间间隔长度有关,与起始时间无关
1
C 1
, k 0,k 2
1 (C 1)2
所以该差分序列为平稳序列。
3.11解:(1)| 2| 1.2 1,模型非平稳;
1 1.3738 2 -0.8736
(2)| 2| 0.3 1, 2 1 0.8 1, 2 1 1.4 1,模型平稳。 1 0.6 2 0.5
(3)| 2| 0.3 1, 2 1 0.6 1, 2 1 1.2 1,模型可逆。 1 0.45+0.2693i 2 0.45-0.2693i
(4)| 2| 0.4 1, 2 1 0.9 1, 2 1 1.7 1,模型不可逆。 1 0.2569 2 -1.5569 (5)| 1| 0.7 1,模型平稳; 1 0.7 | 1| 0.6 1,模型可逆; 1 0.6
(6)| 2| 0.5 1, 2 1 0.3 1, 2 1 1.3 1,模型非平稳。 1 0.4124 2 -1.2124
应用时间序列分析习题答案
| 1| 1.1 1,模型不可逆; 1 1.1。
3.12 解法1: G0 1,G1 1G0 1 0.6 0.3 0.3,
Gk 1Gk 1 1k 1G1 0.3 0.6k 1,k 2
所以该模型可以等价表示为:xt t
0.3 0.6
k
k 0
t k 1。
解法2:(1 0.6B)xt (1 0.3B) t
xt (1 0.3B)(1 0.6B 0.62B2 ) t (1 0.3B 0.3*0.6B2 0.3*0.62B3 ) t t 0.3*0.6j 1 t j
j 1
G0 1,Gj 0.3*0.6j 1
3.13解:E[ (B)xt] E[3 (B) t] (1 0.5)2E(xt) 3
E(xt) 12。
3.14 证明:已知 1
11
, 1 ,根据ARMA(1,1)模型Green函数的递推公式得:
42
G0 1,G1 1G0 1 0.5 0.25 12,Gk 1Gk 1 1k 1G1 1k 1,k 2
0 1
1
GG
j
j 0
j 1
2
1
2j 31
G
j 0
j
j 0
2j
1 12(j 1)
j 1
j 1
15
1 12 12 14 157 0.27
141 12 14261
1 12
21
k
GG G
j 0
j k
G G
j
1
j k 1
2j
j 0
1
GG
j
j 0
j 0
j k 1
G
j 0
2j
G
1 k 1,k 2
2j
3.15 (1)成立 (2)成立 (3)成立 (4)不成立
应用时间序列分析习题答案
3.16 解:(1)xt 10 0.3*(xt 1 10) t, xT 9.6
T(1) E(xt 1) E[10 0.3*(xT 10) T 1] 9.88 x
T(2) E(xt 2) E[10 0.3*(xT 1 10) T 2] 9.964 x
T(3) E(xt 3) E[10 0.3*(xT 2 10) T 3] 9.9892 x
已知AR(1)模型的Green函数为:Gj 1j,j 1,2, eT(3) G0 t 3 G1 t 2 G2 t 1 t 3 1 t 2 12 t 1 Var[eT(3)] (1 0.32 0.092)*9 9.8829
%的置信区间: xt 3的95[9.9892-1.96*.8829,9.9892+1.96*.8829]
即[3.8275,16.1509]
T(1) 10.5 9.88 0.62 (2) T 1 xT 1 x
T 1(1) E(xt 2) 0.3*0.62 9.964 10.15 x
T 1(2) E(xt 3) 0.09*0.62 9.9892 10.045 x
Var[eT 2(2)] (1 0.32)*9 9.81
%的置信区间: xt 3的95[10.045-1.96×.81,10.045+1.96*9.81]
即[3.9061,16.1839]。
3.17 (1)平稳非白噪声序列 (2)AR(1)
(3) 5年预测结果如下:
3.18 (1)平稳非白噪声序列 (2)AR(1)
(3) 5年预测结果如下:
应用时间序列分析习题答案
3.19 (1)平稳非白噪声序列 (2)MA(1)
(3) 下一年95%的置信区间为(80.41,90.96)
3.20 (1)平稳非白噪声序列 (2)ARMA(1,3)序列
(3)拟合及5年期预测图如下:
第四章习题答案 4.1 解:
T 1 x
T 2 x
1
(xT xT 1 xT 2 xT 3)4
15551 T 1 xT xT 1 xT 2) xT xT 1 xT 2 xT 3(x416161616
所
5 xxx以,在T 2中T与T 1前面的系数均为16。
4.2 解 由
t xt (1 )x t 1 x
t 1 xt 1 (1 )x tx
代入数据得
应用时间序列分析习题答案
t 5.25 5(1 ) x
t
5.26 5.5 (1 )x
解得
t 5.1x
0.4(舍去 1的情况)
4.3 解:(1)
11
21 (x20 x19 x18 x17+x16) x13+11+10+10+12)=11.2
55
11 22 (x 21+x20 x19 x18 x17) 11.2+13+11+10+10)x=11.04
55
(2)利用
t 0.4xt 0.6x t 1 x 21 x 20 x1xxx且初始值0进行迭代计算即可。另外,22 该
题详见Excel。11.79277
(3)在移动平均法下:
19
11 X XX2120i55i 16
19
111 X X XX222120i555i 17
1116a
55525
在指数平滑法中:
22 x 21 x 20 0.4x20 0.6x 19x
b 0.4
6
b a 0.4 0.16。
25
4.4 解:根据指数平滑的定义有(1)式成立,(1)式等号两边同乘(1 )有(2)式成立
t t (t 1) (1 ) (t 2) (1 )2 (t 2) (1 )3 (1)x t (1 )x
t (1 ) (t 1) (1 ) (t 2) (1 ) (2)
2
3
(1)-(2)得
应用时间序列分析习题答案
t t (1 ) (1 )2 x
t t (1 ) (1 )2 x t
1
1
t tx
则lim lim t tt t
1。
4.5 该序列为显著的线性递增序列,利用本章的知识点,可以使用线性方程或者holt两参数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
4.6 该序列为显著的非线性递增序列,可以拟合二次型曲线、指数型曲线或其他曲线,也能使用holt两参数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
4.7 本例在混合模型结构,季节指数求法,趋势拟合方法等处均有多种可选方案,如下做法仅是可选方法之一,结果仅供参考
(1)该序列有显著趋势和周期效应,时序图如下
(2)该序列周期振幅几乎不随着趋势递增而变化,所以尝试使用加法模型拟合该序列:xt Tt St It。(注:如果用乘法模型也可以)
首先求季节指数(没有消除趋势,并不是最精确的季节指数)
0.960722 0.912575 1.038169 1.064302 1.153627 1.116566 1.04292 0.984162 0.930947 0.938549 0.902281 0.955179
消除季节影响,得序列yt xt Stx,使用线性模型拟合该序列趋势影响(方法不唯一):
Tt 97.70 1.79268t,t 1,2,3,
(注:该趋势模型截距无意义,主要是斜率有意义,反映了长期递增速率)
应用时间序列分析习题答案
得到残差序列It xt Stx yt Tt,残差序列基本无显著趋势和周期残留。
预测1971年奶牛的月度产量序列为xt Tt Smod t x
得到
,t 109,110, ,120
771.5021 739.517 829.4208 849.5468 914.0062 889.7989 839.9249 800.4953 764.9547 772.0807 748.4289 787.3327
(3)该序列使用x11方法得到的趋势拟合为
趋势拟合图为
应用时间序列分析习题答案
4.8 这是一个有着曲线趋势,但是有没有固定周期效应的序列,所以可以在快速预测程序中用曲线拟合(stepar)或曲线指数平滑(expo)进行预测(trend=3)。具体预测值略。
第五章习题
5.1 拟合差分平稳序列,即随机游走模型 xt=xt-1+ t,估计下一天的收盘价为289 5.2 拟合模型不唯一,答案仅供参考。
拟合ARIMA(1,1,0)模型,五年预测值为:
5.3 ARIMA(1,1,0) (1,1,0)12
5.4 (1)AR(1), (2)有异方差性。最终拟合的模型为
xt=7.472+ t
=-0.5595 +v
t-1t t
vt t
h=11.9719+0.4127v2
t-1 t
5.5(1)非平稳
(2) 取对数消除方差非齐,对数序列一节差分后,拟合疏系数模型AR(1,3)所以拟合模型为
lnx~ARIMA((1,3),1,0)
(3)预测结果如下:
应用时间序列分析习题答案
5.6 原序列方差非齐,差分序列方差非齐,对数变换后,差分序列方差齐性。
第六章习题
6.1 单位根检验原理略。
例2.1 原序列不平稳,一阶差分后平稳
例2.2 原序列不平稳,一阶与12步差分后平稳 例2.3 原序列带漂移项平稳 例2.4 原序列不带漂移项平稳
例2.5 原序列带漂移项平稳( =0.06),或者显著的趋势平稳。
6.2 (1)两序列均为带漂移项平稳
(2)谷物产量为带常数均值的纯随机序列,降雨量可以拟合AR(2)疏系数模型。 (3)两者之间具有协整关系
(4)谷物产量t 23.5521 0.775549降雨量t
6.3 (1)掠食者和被掠食者数量都呈现出显著的周期特征,两个序列均为非平稳序列。但是掠食者和被掠食者延迟2阶序列具有协整关系。即{yt- xt-2}为平稳序列。
(2)被掠食者拟合乘积模型:ARIMA(0,1,0) (1,1,0)5,模型口径为:
5xt=
1
5t
1+0.92874B
拟合掠食者的序列为: yt=2.9619+0.283994xt-2+ t-0.47988 t-1 未来一周的被掠食者预测序列为:
Forecasts for variable x
Obs Forecast Std Error 95% Confidence Limits
49 70.7924 49.4194 -26.0678 167.6526 50 123.8358 69.8895 -13.1452 260.8167 51 195.0984 85.5968 27.3317 362.8651 52 291.6376 98.8387 97.9173 485.3579 53 150.0496 110.5050 -66.5363 366.6355 54 63.5621 122.5322 -176.5965 303.7208
应用时间序列分析习题答案
55 80.3352 133.4800 -181.2807 341.9511 56 55.5269 143.5955 -225.9151 336.9690 57 73.8673 153.0439 -226.0932 373.8279 58 75.2471 161.9420 -242.1534 392.6475 59 70.0053 189.8525 -302.0987 442.1094 60 120.4639 214.1559 -299.2739 540.2017 61 184.8801 235.9693 -277.6112 647.3714 62 275.8466 255.9302 -225.7674 777.4606
掠食者预测值为:
Forecasts for variable y
Obs Forecast Std Error 95% Confidence Limits
49 32.7697 14.7279 3.9036 61.6358 50 40.1790 16.3381 8.1570 72.2011 51 42.3346 21.8052 -0.4028 85.0721 52 58.2993 25.9832 7.3732 109.2254 53 78.9707 29.5421 21.0692 136.8722 54 106.5963 32.7090 42.4879 170.7047 55 66.4836 35.5936 -3.2787 136.2458 56 41.9681 38.6392 -33.7634 117.6996 57 46.7548 41.4617 -34.5085 128.0182 58 39.7201 44.1038 -46.7218 126.1619 59 44.9342 46.5964 -46.3930 136.2614 60 45.3286 48.9622 -50.6356 141.2928 61 43.8411 56.4739 -66.8456 154.5279 62 58.1725 63.0975 -65.4964 181.8413
6.4 (1)进出口总额序列均不平稳,但对数变换后的一阶差分后序列平稳。所以对这两个序列取对数后进行单个序列拟合和协整检验。
(2)出口序列拟合的模型为lnxt~ARIMA(1,1,0),具体口径为:
lnxt=0.14689+
1
t
1-0.38845B
进口序列拟合的模型为lnyt~ARIMA(1,1,0),具体口径为:
lnyt=0.14672+
(3)lnyt和lnxt具有协整关系
1
t
1-0.36364B
(4)协整模型为:lnyt=0.99179lnxt+ t-0.69938 t-1 (5)误差修正模型为: lnyt=0.97861 lnxt-0.22395ECMt-1
正在阅读:
应用时间序列分析习题答案07-25
我与改革开放同行小论文12-26
景观建筑设计专业毕业实习周记范文原创全套10-05
电动汽车充电桩设计外文文献翻译最新译文10-05
2007年公司元旦联欢晚会开场白12-05
中庄中学2014-2015年八年级上第一次月考数学试卷含答案解析06-11
战争与儿童作文500字06-16
铝热焊接施工作业指导书11-11
怎么加强会计基础工作汇报范文08-03
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 时间序列
- 习题
- 答案
- 应用
- 分析
- 2010年四川达州中考化学试题及答案word
- 002认真做好市县乡换届的通知
- 办公室副主任安全生产责任制
- 最新北师大版一年级数学上册第七单元测试卷及答案
- 制度经常会出现哪些问题
- 国内外房地产金融体系比较研究
- CGHL低压成套开关设备
- 劳动关系案例分析
- 水利水电工程1F420100水力发电工程验收章节练习(2015-7-20)
- 六年级班主任述职报告范文
- 香港朗文英语3B测试3
- 中银长城国际信用卡申领合约(个人卡)
- 生产与运作管理作业2答案
- 责任成本控制在混凝土企业的应用_以北京金隅混凝土公司为例_白蕾
- HJ-637-2018水质石油类和动植物油的测定红外分光光度法确认报告
- (精选总结范文)2019年质监部门个人工作总结
- 如何编制10X阀门项目商业计划书(VC标准+融资方案设计+2013范文模版)及融资对接
- 湖南省长郡中学2016届高三第一次月考化学试卷(WORD)
- 川建价发〔2012〕10号最新人工费调整关于成都市等18个市
- 农村小学留守儿童自主阅读习惯的培养研究方案